IoT based Intelligent Attendance Monitoring with Face Recognition Scheme

Sivakumar, S A; John, Tegil J.; Selvi, G. Thamarai; Madhu, B.; Shankar, C Udhaya; Arjun, K. P.

doi:10.1109/iccmc51019.2021.9418264

Cited by 11 publications

(7 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The dataset available in the Ministry of Health & Family Welfare, India [14], COVID-19 tracker [15,21] and open dataset of COVID-19 provided by Kaggle site [16] have been used for analysis. The dataset contains state-wise infected cases of patients in India.…”

Section: Methodsmentioning

confidence: 99%

Predicting the Spread of the Corona Virus Disease Requires Analyzing Data from Cases across Multiple States in India

Ganesh,

Naik,

Ramji

et al. 2023

E3S Web Conf.

View full text Add to dashboard Cite

Data analysis is very sophisticated tool in recent corona virus pandemic to find the trend of spreading pattern for controlling the infection. In this perspective, predictive analytics can be useful for data analysis to forecast the corona virus pandemic. This paper presents the infection pattern of corona virus disease, termed as COVID-19 in top seven states in India. Prophet Algorithm forecasting model was used to analyze state-wise spreading pattern of corona virus disease with respect to confirmed, deaths and cured cases. This predictive model can be very helpful to government and health care communities to combat this deadly virus by initiating suitable actions to control its spread.

show abstract

Section: Methodsmentioning

confidence: 99%

Predicting the Spread of the Corona Virus Disease Requires Analyzing Data from Cases across Multiple States in India

Ganesh,

Naik,

Ramji

et al. 2023

E3S Web Conf.

View full text Add to dashboard Cite

show abstract

“…No communicable Disease Risk Assessment and Prediction Ferdousi, Rahatara, Hossain, M. Anwar and Saddik, Abdulmotaleb performed CPS analysis using machine learning. El [22] used methods such Bagging, AdaBoost, RT, Logistic Regression, SVM (Poly Kernel), and Navies Bayes to improve the accuracy of the machine learning classification algorithms RF and RT to 94%. Sivaranjani, S., Ananya, S., Aravinth, J., and Karthika, R. [26] used machine learning techniques that included feature selection and dimensionality reduction.…”

Section: Literature Reviewmentioning

confidence: 99%

Techniques of Machine Learning for the Purpose of Predicting Diabetes Risk in PIMA Indians

Madhu,

Aerranagula,

Mahomad

et al. 2023

E3S Web Conf.

Self Cite

View full text Add to dashboard Cite

Chronic Metabolic Syndrome Diabetes is often called a “silent killer” due to how little symptoms appear early on. High blood sugar occurs in people with diabetes because their bodies have a hard time maintaining normal glucose levels. Care for a recurrent sickness would be permanent. The two most common forms of diabetes are type 1 and type 2. A better prognosis can help reduce the high risk of developing diabetes. In order to better predict the likelihood that a PIMA Indian may develop diabetes, this study will use a machine learning-based algorithm. The demographic and health records of 768 PIMA Indians were used in the analysis. Standardisation, feature selection, missing value filling, and outlier rejection were all parts of the data preparation process. Machine learning techniques such as logistic regression, decision trees, random forests, the KNN model, the AdaBoost classifier, the Naive Bayes model, and the XGBoost model were used in the study. Accuracy, precision, recall, and F1 score were the only metrics utilised to assess the models' efficacy. The results demonstrate that. The results of this study reveal that diabetes risk may be reliably predicted using machine learning-based models, which has important implications for the early detection and prevention of this illness among PIMA Indians.

show abstract

“…• визначення зон пiдвищеного ризику з найбiльшою небезпекою можливого поширення коронавiрусу. Останнє набуває додаткової значущостi в умовах поширення високозаразних штамiв COVID-19, як-от «омiкрон» [16].…”

Section: змIни освIтнiх застосувань систем машинного зору спричиненI ...unclassified

“…Такi системи можуть бути реалiзованi апаратно на основi Raspberrypi [16] iз застосуванням згорткових нейронних мереж -класу глибинних нейронних мереж, найбiльш часто застосовуваних для аналiзу вiзуальних зображень [3,12,16] • Scikit-Image -бiблiотека для обробки зображень, надбудова SciPy (Python);…”

Section: змIни освIтнiх застосувань систем машинного зору спричиненI ...unclassified

Development of the computer vision system based on machine learning for educational purposes

Семеріков¹,

Vakaliuk²,

Mintii³

et al. 2021

Educ. Dimens.

View full text Add to dashboard Cite

У роботі наведено огляд витоків та сучасного стану систем комп'ютерного зору, приклади задач комп'ютерного зору. Описано використання систем комп'ютерного зору освіти як у звичайних, і у пандемічних умовах. Пандемія COVID-19 викликала зміни в освіті, які видозмінили існуючі освітні програми систем комп'ютерного зору та породили нові, у тому числі соціальне дистанціювання, розпізнавання маски на обличчі, виявлення проникнення в університети та школи, запобігання вандалізму та виявлення підозрілих предметів, моніторинг відвідуваності, емоцій на обличчях у масках та без них. Системи комп'ютерного зору також можна використовувати у освіті для упровадження імерсивних освітніх ресурсів. На основі аналізу автономних бібліотек для ідентифікації динамічних об'єктів зроблено висновок, що при створенні систем машинного зору в освітніх цілях доцільно використовувати бібліотеки комп'ютерного зору, що ґрунтуються на глибокому навчанні (зокрема, реалізації згорткових нейронних мереж). Описано прототип системи комп'ютерного зору, розроблений на основі Microsoft Cognitive Toolkit і розгорнутий у хмарі Microsoft Azure. Система дозволяє з високим ступенем надійності виконувати головні функції: ідентифікацію емоцій та наявність маски на обличчі, а також дає можливість визначити стать, вік, колір волосся, інтенсивність посмішки, наявність макіяжу, окулярів тощо.

show abstract

IoT based Intelligent Attendance Monitoring with Face Recognition Scheme

Cited by 11 publications

References 12 publications

Predicting the Spread of the Corona Virus Disease Requires Analyzing Data from Cases across Multiple States in India

Predicting the Spread of the Corona Virus Disease Requires Analyzing Data from Cases across Multiple States in India

Techniques of Machine Learning for the Purpose of Predicting Diabetes Risk in PIMA Indians

Development of the computer vision system based on machine learning for educational purposes

Contact Info

Product

Resources

About